简介面向高校毕业设计及农业信息化初学者的完整实践项目包基于深度学习与计算机视觉构建粮食作物病虫害自动识别系统。项目以PyTorch/TensorFlow等框架实现模型训练与推理配套Vue前端与Flask后端提供从数据标注、模型训练到系统部署的全流程方案可有效降低人工智能技术在农业领域的应用门槛。压缩包共281个文件包含Python源码、Vue/JavaScript前端、HTML页面、txt标签与说明、jpg/png病虫害图像数据集、PDF论文、CAJ参考文献、DOCX查重修改版论文及技术路线图整体大小约522.63MB目录结构清晰便于按模块查阅。目前已有462人浏览学习。资料内附完整毕业论文、查重修改版、技术路线图及多篇参考论文配合源码教程可快速理解系统设计思路与关键代码实现适合用于课题研究、课程设计或毕业设计二次开发。1. 从一张带病斑的叶片照片说起做粮食作物病虫害识别最难的不是训练一个模型而是拿到数据之后发现田间拍回来的照片和你想象的“干净数据集”完全不同。叶片上有泥点、有露珠反光、有昆虫尸体、有粉虱分泌的蜜露甚至同一株作物上同时出现两种病害特征。基于深度学习的识别系统要解决的正是在这种高噪声背景下把“病斑区域”和“背景噪声”稳定地区分开。这也是为什么很多课程作业里的 MNIST 手写识别跑得再好一换到农业图像就崩——真实场景里几乎没有理想光照和单一背景。这篇文章不会带你逐行走完一个虚构项目的全部源码而是给出一个可落地的技术路线数据怎么整理、模型怎么选、训练参数怎么调、模型怎么导出成可调用的接口、以及论文里最需要的可视化图表怎么生成。涉及的代码以 PyTorch 为默认框架因为课程设计和毕业论文阶段PyTorch 的生态和调试体验在这类任务里最省心。适合正在做毕业设计、需要快速交付“能演示的完整系统”的读者也适合刚入门深度学习、想弄清楚一套图像分类项目完整闭环的人。2. 数据先行粮食作物病虫害识别的数据组织与增强方案2.1 数据集目录结构与 ImageFolder 的坑常见做法是直接使用torchvision.datasets.ImageFolder它对目录结构有严格约定根目录下每个子文件夹的名字就是类别标签。例如data/train/rice_blast/、data/train/rice_bacterial_blight/。这个看似简单的结构第一次做农业项目的人最容易踩两个坑一是类别目录里混入了损坏的图片文件二是不同类别的图片数量严重失衡。这两点都会让训练过程出现莫名其妙的报错或者模型“偏科”。因此拿到原始图片后第一步不是写模型而是写一个数据体检脚本统计每个类别的图片数量、图片尺寸分布、以及能否被 Pillow 正常打开。import os from PIL import Image from collections import Counter root data/train counter Counter() broken [] for cls in os.listdir(root): cls_dir os.path.join(root, cls) if not os.path.isdir(cls_dir): continue for fname in os.listdir(cls_dir): fpath os.path.join(cls_dir, fname) try: with Image.open(fpath) as img: img.verify() counter[cls] 1 except Exception: broken.append(fpath) print(counter) print(损坏文件数量:, len(broken))这段代码用img.verify()检查文件是否是可解码的图片只做完整性校验不加载像素数据所以速度很快。Counter的输出能直观看到类别分布如果某个类别的样本数不到最丰富类别的十分之一就需要考虑后续的类别加权或者过采样处理。损坏文件列表要单独存下来删除前先人工抽查几例避免把“文件名后缀写错但实际能打开的图”误删。2.2 数据增强不是越多越好要贴合农田真实噪声粮食作物病虫害识别的增强策略和通用图像分类不一样。常见做法里随机旋转、水平翻转确实有效但幅度要克制。水稻稻瘟病的病斑有方向性特征垂直翻转和任意角度旋转虽然能扩充样本却可能让模型学到错误的空间先验。我个人在这类任务上的增强优先级是RandomResizedCrop模拟不同拍摄距离RandomBrightnessContrast模拟光照变化HueSaturationValue轻微扰动叶片本身的颜色偏向再用GaussianBlur模拟对焦不准的情况。下面的增强配置基于albumentations实现它不是选比 torchvision 好多少而是参数语义更直观后续调整不需要查文档翻半天。import albumentations as A from albumentations.pytorch import ToTensorV2 train_transform A.Compose([ A.RandomResizedCrop(height224, width224, scale(0.6, 1.0), p1.0), A.HorizontalFlip(p0.5), A.RandomBrightnessContrast(brightness_limit0.15, contrast_limit0.15, p0.6), A.HueSaturationValue(hue_shift_limit8, sat_shift_limit15, val_shift_limit10, p0.4), A.GaussianBlur(blur_limit(3, 5), p0.2), A.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]), ToTensorV2() ])RandomResizedCrop的scale参数控制裁剪面积占原图的比例设置为 0.6 到 1.0 表示最多裁剪掉 40% 的边缘区域这个幅度在叶片图像上是安全的。HueSaturationValue的偏移量不要调大水稻叶片的健康绿色和黄化病态之间色差不大过强的色相扰动会让模型把健康叶片误判成病害初期。p参数是概率我一般控制增强整体不过度让模型在真实验证集上的表现和训练集上的表现不要差距过大。增强手段模拟的真实场景建议参数范围注意事项RandomResizedCrop拍摄距离远近不一scale 0.6~1.0过小会截断病斑关键区域HorizontalFlip叶片朝向不同p0.5垂直翻转慎用RandomBrightnessContrast阴天/早晚光照±0.15亮度过大会掩盖病斑纹理HueSaturationValue叶片老嫩/肥害偏移量 ≤15偏移过强会混淆黄化病GaussianBlur快速拍摄手抖blur_limit 3~5只做轻度模糊太狠损失纹理2.3 类别不均衡与小样本的两个应对策略农业病虫害数据的典型困境是健康叶片样本动辄几千张某种偶发病害只有几十张。如果直接用原始比例训练模型会把所有输入都预测成健康叶片因为这样准确率已经能到 85% 以上。解决思路有两个第一个是损失函数层面使用CrossEntropyLoss的weight参数将样本少的类别权重调高第二个是数据层面做WeightedRandomSampler。两者可以同时用但我建议先只用后者因为调参更直观。from torch.utils.data import DataLoader, WeightedRandomSampler labels [dataset.targets[i] for i in range(len(dataset))] class_counts torch.bincount(torch.tensor(labels)) weight_per_class 1.0 / class_counts.float() sample_weights [weight_per_class[labels[i]] for i in range(len(labels))] sampler WeightedRandomSampler(sample_weights, num_sampleslen(sample_weights), replacementTrue) loader DataLoader(dataset, batch_size32, samplersampler)WeightedRandomSampler的原理是每次取样时按样本权重做概率抽样replacementTrue允许同一张图在一个 epoch 中被重复取到。权重定义为类别的倒数类别数量越少单张样本被抽中的概率越高。这样做的副作用是训练集每个 epoch 的迭代次数被重置为num_samples如果希望每个 epoch 完整过一遍所有样本可以把num_samples设为某个固定值如 3000但要注意监控训练损失是否震荡异常。3. 模型选型与训练从 ResNet 到轻量级网络的选择逻辑3.1 为什么毕业设计首选 ResNet 而不是 YOLO标题里“识别系统”这个词在不同人理解里可能是分类也可能是检测。如果目标是判断“这张叶片有没有稻瘟病”本质是图像分类如果目标是“框出病斑在叶片的哪个位置”才是目标检测。粮食作物病虫害的课程设计和毕业论文绝大多数情况做的是分类。YOLO 系列识别在农业场景中多用于虫害定位或大田巡检涉及的标注成本是分类任务的几十倍——每张图都要画框且农业数据集的边界框标注一致性很难保证两个标注员对“病斑边缘在哪里”的理解可能完全不同。基于深度学习的分类识别系统完全能覆盖毕设的功能要求而且是 Flutter 网页演示和离线推理最容易集成的形式。模型选型上ResNet50是通用基线EfficientNet-B3在精度上通常能比 ResNet50 高 1 到 2 个百分点但训练时间也更长。移动端部署或演示环境没有 GPU 的情况下MobileNetV3-Large是更好的选择推理速度快且精度损失可以接受。下表给出我一般用于参考的对比数据实际结果因数据集差异会有浮动模型参数量CPU 单张推理耗时224x224适用场景ResNet18约 11.7M约 45ms快速验证、小数据集ResNet50约 25.6M约 95ms通用基线MobileNetV3-Large约 5.4M约 30ms无 GPU 的演示环境EfficientNet-B3约 12M约 120ms追求高精度有 GPU 训练3.2 迁移学习用 ImageNet 预训练权重还是从零训练农业病害图像的视觉特征叶脉纹理、病斑颜色、枯死区域形状和 ImageNet 里的自然图像相差很大但底层的边缘、纹理、颜色梯度等基础特征仍然可迁移。这就是迁移学习在深度学习环境配置完成后第一个要尝试的原因——任务差别大不代表底层特征不可复用。我建议的做法是加载torchvision.models.resnet50(weightsmodels.ResNet50_Weights.IMAGENET1K_V1)冻结前三个 layer 的参数只微调最后一个残差块和全连接层。训练时需要对预训练模型做两处修改第一全连接层输出维度改成类别数第二将分类层的初始化学习率设得比主干网络大一些。import torch import torch.nn as nn from torchvision import models model models.resnet50(weightsmodels.ResNet50_Weights.IMAGENET1K_V1) for name, param in model.named_parameters(): if layer4 not in name and fc not in name: param.requires_grad False model.fc nn.Sequential( nn.Dropout(0.3), nn.Linear(2048, 512), nn.ReLU(), nn.Dropout(0.2), nn.Linear(512, num_classes) )requires_grad False意味着这些层在反向传播时不会更新梯度大幅减少训练显存占用。layer4和fc保持可训练是因为高层的语义特征与具体任务强相关需要根据农业图像重新拟合。Dropout在这里是必要的因为新加的全连接层是随机初始化的训练初期很容易过拟合训练集中的噪声两层 Dropout 的系数分别设为 0.3 和 0.2经验上比只加一层效果好。3.3 超参数设置与训练流程训练参数我给出两组建议。第一组用于快速验证模型架构是否能收敛batch_size32epochs20优化器AdamW(lr1e-3, weight_decay1e-4)学习率在第 10 个 epoch 时衰减为十分之一。第二组用于最终模型的精细训练batch_size16epochs50优化器SGD(lr1e-2, momentum0.9, weight_decay1e-4)使用CosineAnnealingLR余弦退火调度。第一组是判断“数据有没有问题”第二组是榨干模型潜力。两张图都验证from torch.optim import AdamW, lr_scheduler optimizer AdamW(model.parameters(), lr1e-3, weight_decay1e-4) scheduler lr_scheduler.CosineAnnealingLR(optimizer, T_max50, eta_min1e-5) criterion nn.CrossEntropyLoss() for epoch in range(50): model.train() running_loss 0.0 for images, labels in train_loader: images, labels images.to(device), labels.to(device) outputs model(images) loss criterion(outputs, labels) optimizer.zero_grad() loss.backward() optimizer.step() running_loss loss.item() scheduler.step()AdamW与Adam的区别在于权重衰减的实现位置前者将权重衰减独立于梯度更新过程训练更稳定尤其适用于迁移学习场景。CosineAnnealingLR的T_max要设为总 epoch 数学习率会从初始值平滑降到eta_min。如果中间发现训练损失持续震荡不下降优先检查是增强过强还是学习率过高不要第一反应就换模型。3.4 训练过程中的三个必看指标第一个是每个 epoch 结束后的验证集整体准确率第二个是每个类别的召回率尤其是病害类别第三个是训练损失与验证损失的比值。很多情况是整体准确率已经 92%但某种早期病害的召回率只有 40%——因为早期病斑和健康叶片的特征差异极小。这时候不要盲目加大增强强度而是去数据里找这类样本的真实图像观察是不是标注不规范比如把“仅有三个针尖大小斑点”的叶片标成了健康。收集训练代码里会被忽略的提醒提示训练损失低于验证损失是正常的差距过大比如训练损失降到 0.1、验证损失仍停在 0.8说明过拟合。先降低 Dropout 概率或增大 weight_decay再考虑减少训练轮数。4. 从训练到可调用模型导出、推理接口与部署4.1 保存 checkpoint 还是导出 ONNX训练结束后模型权重文件一般以.pth格式保存它包含的是 PyTorch 的完整状态字典。这适合继续训练和调试但要做成演示系统依赖 PyTorch 环境本身会限制部署范围。常见做法是导出成 ONNX 格式ONNX 是跨框架的中间表示能转成 OpenVINO 在 Intel CPU 上加速也能转成 Core ML 给 iOS 端使用还能直接接入网页端的 ONNX Runtime。导出前先确认两点输入尺寸是否是固定的 224x224模型的eval()模式是否已设置。然后用下面的代码导出import torch from models import get_model model get_model(num_classes5) model.load_state_dict(torch.load(best_model.pth, map_locationcpu)) model.eval() dummy_input torch.randn(1, 3, 224, 224) torch.onnx.export( model, dummy_input, crop_disease.onnx, input_names[input], output_names[output], dynamic_axes{input: {0: batch_size}, output: {0: batch_size}}, opset_version12 )dynamic_axes表示批次维度可变这样推理时既可以一次传一张图也可以一次传一批图。opset_version12在大多数部署环境中兼容性较好。导出后建议立即用onnxruntime加载并对比输出与 PyTorch 原始输出的差异通常由于算子精度差异会有千分位级别的小误差属正常现象。4.2 用 FastAPI 包一个识别接口部署成 Web 接口是最直观的演示方式。用 FastAPI 写一个简单推理服务器接收上传图片返回预测类别和置信度。这里有几个细节值得注意图片预处理必须和训练时完全一致包括尺寸缩放、归一化的均值标准差返回结果需要把索引映射回中文类别名响应中附带每一类的置信度比只返回一个最高分更有参考价值。from fastapi import FastAPI, UploadFile import onnxruntime as ort import numpy as np from PIL import Image import io app FastAPI() session ort.InferenceSession(crop_disease.onnx, providers[CPUExecutionProvider]) class_names [稻瘟病, 稻曲病, 白叶枯病, 健康, 细菌性条斑病] def preprocess(img: Image.Image): img img.resize((224, 224)) arr np.array(img).astype(np.float32) / 255.0 mean np.array([0.485, 0.456, 0.406]) std np.array([0.229, 0.224, 0.225]) arr (arr - mean) / std return np.transpose(arr, (2, 0, 1))[None, ...] app.post(/predict) async def predict(file: UploadFile): data await file.read() image Image.open(io.BytesIO(data)).convert(RGB) tensor preprocess(image) logits session.run(None, {input: tensor})[0] probs np.exp(logits[0]) / np.sum(np.exp(logits[0])) # softmax pred_idx int(np.argmax(probs)) return { label: class_names[pred_idx], confidence: float(probs[pred_idx]), all_probs: {class_names[i]: float(probs[i]) for i in range(len(class_names))} }session.run的第一个参数是输出层名称传None表示返回所有输出。providers指定 CPU 执行避免目标机器未装 CUDA 时报错。np.exp手动实现 softmax 是因为 ONNX 模型的输出的是 raw logits 而不是概率分布这点容易被忽视。上传接口对图片大小没限制但推理前统一resize到 224x224服务器内存占用不会因为高清原图而暴涨。4.3 性能优化批量推理与线程配置如果演示时需要连续识别多张图片逐张推理的吞吐量会很差。两种情况建议做性能优化一是批量推理把多张图拼接成一个 tensor 一次计算二是配置 ONNX Runtime 的线程数。默认条件下 ONNX Runtime 会占用全部 CPU 核心在共享服务器上可能影响其他服务。session ort.InferenceSession( crop_disease.onnx, providers[CPUExecutionProvider], sess_optionsort.SessionOptions() ) session.set_intra_op_num_threads(4) session.set_inter_op_num_threads(2)intra_op_num_threads控制单个算子内部的并行线程数inter_op_num_threads控制多个算子之间的并行度。数值不是越大越好超过物理核心数反而会因线程切换带来性能下降。对于 8 核 CPU 的常见开发机4和2是均衡选择。5. 论文必需的验证手段混淆矩阵与特征可视化5.1 用混淆矩阵定位模型“哪里会错”毕业论文里最常用的性能展示不是准确率折线图而是测试集上的混淆矩阵。它能直观告诉读者模型在哪些类别之间发生了混淆。比如“稻瘟病”和“稻曲病”之间频繁互相误判说明这两个病害在训练集里确实长得相似而指标上整体准确率可能看不出这个问题。import matplotlib.pyplot as plt import numpy as np import seaborn as sns from sklearn.metrics import confusion_matrix def plot_confusion_matrix(model, loader, class_names, device): model.eval() all_preds [] all_labels [] with torch.no_grad(): for images, labels in loader: images images.to(device) outputs model(images) preds torch.argmax(outputs, dim1) all_preds.extend(preds.cpu().numpy()) all_labels.extend(labels.numpy()) cm confusion_matrix(all_labels, all_preds) plt.figure(figsize(8, 6)) sns.heatmap(cm, annotTrue, fmtd, cmapBlues, xticklabelsclass_names, yticklabelsclass_names) plt.xlabel(预测类别) plt.ylabel(真实类别) plt.tight_layout() plt.savefig(confusion_matrix.png, dpi300)torch.no_grad()必须加上否则验证过程会构建计算图消耗不必要的显存。confusion_matrix的行是真实类别、列是预测类别对角线是正确预测的样本数。如果某一行的非对角线数字显著集中在某个类别说明模型对该类别的区分能力不足需要回到数据集检查那些被误判的样本——有些是因为标注错误有些是早期病斑实在难以区分这些分析写在论文里就是扎实的讨论部分。5.2 Grad-CAM 类激活图让模型“说出”关注点只给审稿人看准确率是不够的“模型为什么能判断这是稻瘟病”这类问题在答辩中几乎必被问到。Grad-CAM 类激活图能可视化模型做出决策时关注图像的哪些区域验证模型是否真的盯着病斑看而不是通过叶片边缘的阴影或图片水印取巧。虽然标题没直接提到可视化但一套可交付的识别系统论文里这是最有说服力的一张图。使用pytorch-grad-cam库可以快速生成但为了减少依赖我给出基于钩子的手写实现import torch import cv2 import numpy as np def grad_cam(model, input_tensor, target_layer): gradients [] activations [] def backward_hook(module, grad_input, grad_output): gradients.append(grad_output[0]) def forward_hook(module, input, output): activations.append(output) target_layer.register_forward_hook(forward_hook) target_layer.register_backward_hook(backward_hook) logits model(input_tensor) pred_idx torch.argmax(logits, dim1) logits[0, pred_idx].backward() weights torch.mean(gradients[0], dim(2, 3), keepdimTrue) cam torch.relu(torch.sum(weights * activations[0], dim1, keepdimTrue)) cam cam.squeeze().detach().numpy() cam cv2.resize(cam, (224, 224)) cam (cam - cam.min()) / (cam.max() - cam.min() 1e-8) return camregister_forward_hook在目标层前向传播结束后捕获特征图register_backward_hook捕获梯度。对预测类别做反向传播后每个通道的梯度均值作为该通道的权重加权求和特征图再通过 ReLU 截断负值得到的就是模型关注的区域。1e-8防止分母为零。将 cam 热力图叠加到原图上如果高亮区域集中在病斑处说明模型学到的特征是有生物学可解释性的——这句话可以直接写进论文结论段。5.3 集成进导出后的 ONNX 模型是否可行如果模型已经导出成 ONNX想再做 Grad-CAM 需要拿到中间层的特征图和梯度。ONNX Runtime 本身不提供自动求导能力需要手动把推理拆成两段先跑到目标层输出特征图再对特征图回归到最终输出。这个操作繁琐且只适用于特定的模型结构我不建议在答辩前临时搞而是在训练阶段把 Grad-CAM 代码跑通导出模型前把需要的图生成保存好。毕设答辩评委看重的是你的分析逻辑不是可视化工具本身。需要提醒的是Grad-CAM 的热力图分辨率受限于最后一层卷积特征图的尺寸ResNet50 最后一层是 7x7上采样到 224x224 后只是块状热力图属于正常现象。如果追求更精细的定位可以尝试使用layer3的激活层替代layer4定位更细但噪声也更多。这一点可以在论文的讨论部分作为未来优化方向提出。最后一个小技巧把上面代码里生成的热力图叠加和原始图片拼接存成四宫格——原图、热力图、叠加图、识别结果——直接作为论文的实验结果图版面效果远好于单独的准确率曲线。生成图片时注意用plt.imsave而不是plt.savefig后者会带上边距和坐标轴对论文排版不友好。本文还有配套的精品资源点击获取